基于数据挖掘的入侵检测方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·网络安全技术概述 | 第7-10页 |
| ·网络及其安全问题 | 第7页 |
| ·目前主要的网络安全技术 | 第7-10页 |
| ·研究现状、目的及意义 | 第10-11页 |
| ·本文工作 | 第11-13页 |
| 第二章 入侵检测技术 | 第13-26页 |
| ·入侵检测技术的产生和发展 | 第13-14页 |
| ·通用入侵检测模型 | 第14-16页 |
| ·入侵检测的基本原理 | 第16页 |
| ·入侵检测技术分类 | 第16-19页 |
| ·根据信息源分类 | 第16-18页 |
| ·根据分析手段分类 | 第18-19页 |
| ·主要检测方法 | 第19-24页 |
| ·异常入侵检测 | 第19-22页 |
| ·误用入侵检测 | 第22-24页 |
| ·入侵检测的发展方向 | 第24-25页 |
| ·小结 | 第25-26页 |
| 第三章 数据挖掘技术 | 第26-33页 |
| ·数据挖掘概述 | 第26-27页 |
| ·数据挖掘基本算法 | 第27-30页 |
| ·关联分析算法 | 第27-28页 |
| ·序列分析算法 | 第28-29页 |
| ·数据分类算法 | 第29页 |
| ·聚类分析算法 | 第29-30页 |
| ·数据挖掘与入侵检测结合 | 第30-32页 |
| ·数据挖掘应用于入侵检测的可能性 | 第30-31页 |
| ·建立入侵检测模型的数据挖掘过程 | 第31-32页 |
| ·小结 | 第32-33页 |
| 第四章 模糊聚类理论在入侵检测中的应用 | 第33-48页 |
| ·模糊理论基础 | 第33-34页 |
| ·聚类算法 | 第34-38页 |
| ·聚类的概念 | 第34页 |
| ·聚类分析中的数据类型 | 第34-36页 |
| ·主要的聚类算法 | 第36-38页 |
| ·模糊聚类 | 第38-40页 |
| ·模糊聚类的一般模型 | 第38-39页 |
| ·模糊C-均值算法 | 第39-40页 |
| ·模糊聚类算法在入侵检测中的应用 | 第40-42页 |
| ·初始聚类类心 | 第41-42页 |
| ·最优模糊指标m的确定 | 第42页 |
| ·审计数据源 | 第42-45页 |
| ·数据源描述 | 第42-44页 |
| ·数据预处理 | 第44-45页 |
| ·仿真实验与结果分析 | 第45-47页 |
| ·小结 | 第47-48页 |
| 第五章 模糊聚类与径向基神经网络在入侵检测中应用 | 第48-57页 |
| ·人工神经网络与入侵检测 | 第48-49页 |
| ·径向基函数神经网络 | 第49-53页 |
| ·径向基函数神经网络概述 | 第49-50页 |
| ·径向基函数神经网络的工作原理 | 第50-51页 |
| ·RBF中心选取的OLS算法 | 第51-53页 |
| ·FORBF算法描述 | 第53-54页 |
| ·仿真实验及结果分析 | 第54-56页 |
| ·小结 | 第56-57页 |
| 结束语 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 研究成果 | 第62页 |
